구조 구난을 위한 해상 표류물의 위치 추정 방법 및 장치
기본 정보
기술 내용
요약
해상 표류물의 위치 추정 방법 및 위치 추정 장치가 개시된다. 위치 추정 방법은 기상 데이터를 수집하는 단계, 해상 환경 모델에 제1 시점의 기상 데이터를 입력하여 해상 상황에 대한 후측 정보를 나타내는 후측 데이터를 획 득하는 단계, 후측 데이터 및 수집된 기상 데이터에 기초하여 뉴럴 네트워크 기반의 예측 모델을 학습시키는 단 계, 제1 시점보다 미래인 제2 시점의 장래 예측된 기상 데이터를 수집하는 단계, 해상 환경 모델에 제2 시점의 장래 예측된 기상 데이터를 입력하여 제2 시점의 해상 상황에 대한 예측 정보를 나타내는 제1 예측 데이터를 획 득하는 단계, 예측 모델에 제2 시점의 장래 예측된 기상 데이터를 입력하여 제2 시점의 해상 상황에 대한 예측 정보를 나타내는 제2 예측 데이터를 획득하는 단계 및 제1 예측 데이터 및 제2 예측 데이터에 기초하여 제2 시점 에 해상 표류물이 위치할 위치 정보를 추정하는 단계를 포함할 수 있다.
기술 개요
본 기술은 해상 표류물의 위치 추정 방법 및 위치 추정 장치에 관한 것으로 기상 데이터를 입력하여 해상 상황에 대한 후측 정보를 나타내는 후측 데이터를 획득하고 데이터 및 수집된 기상 데이터에 기초하여 뉴럴 네트워크 기반의 예측 모델을 학습하여 해상 표류물이 위치할 위치 정보를 추정
기술 분야
아래 실시 예들은 구조 구난을 위한 해상 표류물의 위치 추정 기술에 관한 것이다.
효과
일 실시예에 수 시간 전의 자료를 토대로 학습시킨 인공 지능 모델을 이용하여 실제 해상 상황과 유사한 환경을 구축함으로써, 현재, 향후 수 시간 후 또는 며칠 후 표류물의 위치를 추정하는 것에 대한 정확도를 향상시킬 수 있다. 일 실시예에 따르면 병렬 클러스터를 이용한 수치 모의를 실시하여, 상시로 조석을 재현할 수 있고, 이상 상황 발생 시 즉각적으로 관련 수치를 산출하여, 수색 작업의 범위를 예측할 수 있다. 일 실시예에 따르면 수색 작업의 위치를 유추함으로써, 야간 수색 시 작업의 위험 부담을 절감할 수 있다. 일 실시예에 따르면 일 시점의 해상 상황에 대한 예측 정보를 나타내는 예측 데이터를 해상 환경 모델과 예측 모델, 두 모델을 이용하여 획득함으로써, 두 모델의 각 장점을 활용하여 보다 정확한 예측 데이터를 획득할 수 있다. 일 실시예에 따르면 국부적으로 해황을 잘 예측할 수 있는 해상 환경 모델과, 확정론적인 해상 환경 모델로는 예측하기 어려운 상황을, 지속적인 인공지능 학습을 통해 생성된 인공지능 모델을 이용해 예측하여 두 모델의 각 장점이 모두 적용된 예측 데이터를 획득할 수 있다.
적용 분야
해상 표류물 위치 추적 장치
아직 댓글이 없습니다.